微弱裂纹信号的ICA盲源分离提取.pdf

《微弱裂纹信号的ICA盲源分离提取.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第11卷第2期长沙理工大学学报(自然科学版)V01．11NO．22014年6月JournalofChangshaUniversityofScienceandTechnology(NaturalScience)Jun．2014文章编号：1672—9331(2014)02—0074—07微弱裂纹信号的ICA盲源分离提取王向红，向建军，尹东(长沙理工大学汽车与机械工程学院，湖南长沙410004)摘要：针对机械设备关键基础部件早期故障信号提取困难这一问题，提出了一种基于独立分量分析(ICA)的盲源分离去噪方法采用Fixed-pointICA算法和基于负熵的判据，对不同信噪比下金属裂纹信号进

2、行提取。研究结果表明，此方法受噪声强度及信号频段的影响比较小，可有效提取出所需信号；且获得的信号波形失真很小，是一种较好的微弱信号提取方法。关键词：微弱信号提取；独立分量分析；盲源分离中图分类号：TB53文献标识码：AExtractionofweakcracksignalsbasedonICAWANGXiang—hong，XIANGJian-jun，YINDong(SchoolofAutomobileandMechanicalEngineering，ChangshaUniversityofScienceandTechnology，Changsha410004，China)Abstr

3、act：Aimedattheproblemofhardlyextractionearlycrackincriticalinfrastructurecomponentsofmajorequipments，ablindsourceseparationforweaksignalsbasedoninde—pendentcomponentanalysis(ICA)isproposed．TheFixed—pointICAalgorithmandtheneg—ativeentropycriterionareused．ThemetalcracksignalwithdifferentSN『RsiSe

4、xtractedandtheresultsshowthatthismethodcanextracttheweaksigna1．ThemethodishardlyaffectedbytheSNRandfrequencybandofsignals．Andthewaveformdistortionoftheobtainedsig—nalsisnegligible，indicatingthemethodisverysuitableforweaksignalextraction．Keywords：weaksignalextraction；independentcomponentanalysi

5、s；blindsourceseparation机械设备的关键部件，如：风力发电机齿轮关键部件早期故障预示中的微弱信号检测方面开箱、混流式水轮机转轮和汽轮机转子等[1]，均易展了研究，如：孙海亮等[4]开展了行星减速箱早期出现裂纹等故障，故障的出现轻则引起整个设备故障信号提取研究；莫代一等和Choon—SuPark失效，重则引发重大安全事故。假如在裂纹产生等[6开展了轴承早期故障信号的提取研究。近年初期能利用声发射检测技术检测并预测故障的存发展起来的微弱信号检测方法主要包括时域方法在，将对确保这些设备的安全稳定运行以及减少(如：取样积分和自适应去噪等)、频域分析(如：功经济损失起到重

6、要的作用。率谱密度分析方法和Kalman滤波等)、时频域方目前，针对早期故障信号相对于背景噪声比法(如．，J、波去噪等)以及随机共振、混沌振子等微较微弱这一特点，国内外众多研究者在机械设备弱信号的提取方法_7。。这些方法或者假定信号收稿日期：2014—01—13基金项目：国家自然科学基金资助项目(51105045)；湖南省教育厅科研资助项目(10BOO5)作者简介：王向红(1977一)，女，湖南洞口人，长沙理工大学讲师，博士，主要从事无损检测和信号处理方面的研究。第11卷第2期王向红，等：微弱裂纹信号的ICA盲源分离提取75和噪声具有不同的频段，选择合适的滤波器进行为噪声变量。最后

7、对估计的每个独立分量进行滤波；或者基于信号的能量贡献率(即信噪比的高(伪)逆变换，从而获得源信号。目前提出的独立低)进行去噪；或者针对微弱周期信号；或者针对性度量准则包括极大似然判据、互信息极小化判低频信号进行检测的。而当有用信号与噪声的频据和负熵极大化判据等¨]。本研究选择Fixed—带交叠严重、信号频率较高的非周期信号时，这些pointICA算法[16]，采用基于负熵的判据，去噪步方法则可能失效[1引。骤如下。独立分量分析(ICA)[x33方法假设传感器的采1)(